هوش مصنوعی چیست؟

AI یا هوش مصنوعی، عبارتی است که این روزها به خصوص در شبکه‌های اجتماعی و سایت‌ها زیاد آن را می‌شنویم! هوش مصنوعی (Artificial Intelligence) شاخه‌ای گسترده از علوم کامپیوتر است که با ساخت ماشین‌های هوشمندی سر و کار دارد و قادر به انجام وظایفی هستند که معمولاً به هوش انسانی نیاز دارند. هوش مصنوعی یکی از علوم میان‌رشته‌ای محسوب می‌شود که رویکردهای متعددی دارد، اما پیشرفت‌ها در یادگیری ماشین (Machine Learning) و یادگیری عمیق تقریباً در هر بخش از صنعت فناوری یک تغییر پارادایم ایجاد می‌کند.

هوش مصنوعی به ماشین‌ها اجازه می‌دهد تا توانایی‌های ذهن انسان را مدل‌سازی کنند و حتی آن‌ها را بهبود ببخشند. از توسعه خودروهای خودران و هوش مصنوعی Chat GPT گرفته تا گسترش دستیارهای هوشمند مانند سیری و الکسا، هوش مصنوعی بخش رو به رشدی از زندگی روزمره ما انسان‌ها محسوب می‌شود. در نتیجه، بسیاری از شرکت‌های فناوری در صنایع مختلف در حال سرمایه‌گذاری در فناوری‌های هوشمند مصنوعی هستند. اگر دوست دارید با این اختراع تاثیرگذار بشر بیشتر آشنا شوید، با ما همراه باشید تا در این مطلب به بررسی موضوع هوش مصنوعی و کاربردهای آن بپردازیم.

هوش مصنوعی (AI) چیست؟

هوش مصنوعی (Artificial Intelligience) به شبیه‌سازی هوش انسانی در ماشین‌هایی اشاره دارد که به نحوی برنامه‌ریزی شده‌اند تا مانند انسان‌ها فکر کنند و از کارهای آن‌ها تقلید کنند. این اصطلاح همچنین ممکن است برای هر ماشینی به کار برود که ویژگی‌های مرتبط با ذهن انسان، مانند یادگیری و حل مسئله، را نشان می‌دهد.

ویژگی ایده‌آل هوش مصنوعی، توانایی آن در منطقی کردن و انجام اقداماتی است که بیشترین شانس را برای دستیابی به یک هدف خاص دارند. زیرمجموعه‌ای از هوش مصنوعی، یادگیری ماشینی (ML) است؛ یادگیری ماشین به این مفهوم اشاره دارد که برنامه‌های کامپیوتری می‌توانند به طور خودکار از داده‌های جدید بیاموزند و بدون کمک انسان با آن‌ها سازگار شوند. تکنیک‌های یادگیری عمیق، یادگیری خودکار برنامه‌های کامپیوتری را از طریق جذب مقادیر عظیمی از داده‌های بدون ساختار مانند متن، تصاویر یا ویدیو امکان‌پذیر می‌سازد.

تاریخچه مختصری از هوش مصنوعی

ربات‌های هوشمند و موجودات ساختگی برای اولین بار در اساطیر یونان باستان مشاهده شدند.  توسعه نظریه قیاس ارسطو و استفاده آن از استدلال قیاسی، یک لحظه کلیدی در تلاش بشر برای درک هوش خود بود. اگرچه می‌توان تاریخ هوش مصنوعی را به این ریشه‌های طولانی و عمیق مرتبط دانست، اما این علم در مفهوم امروزی کمتر از یک قرن می‌شود که به وجود آمده است. در ادامه نگاهی گذرا به برخی از مهم‌ترین رویدادهای هوش مصنوعی خواهیم داشت.

دهه 1940

1943: وارن مک کالو (Warren McCullough) و والتر پیتس (Walter Pitts) مقاله “حساب منطقی ایده های ماندگار در فعالیت عصبی” را منتشر کردند که اولین مدل ریاضی را برای ساخت شبکه عصبی پیشنهاد می‌کند.

1949: دونالد هب (Donald Hebb) در کتاب خود به نام “سازمان‌دهی رفتار: یک نظریه عصب روانشناختی“، این نظریه را پیشنهاد می‌کند که مسیرهای عصبی از تجربیات ایجاد می‌شوند و هر چه ارتباط بین نورون‌ها بیشتر مورد استفاده قرار بگیرد، قوی‌تر می‌شود. یادگیری Hebbian که از نام دونالد هب گرفته شده، همچنان یک مدل مهم در هوش مصنوعی است.

دهه 1950

1950: آلن تورینگ مقاله “ماشین آلات محاسباتی و هوش” را منتشر می‌کند و تئوری‌ای را پیشنهاد می کند که امروز به عنوان آزمون تورینگ شناخته می‌شود؛ آزمون تورینگ روشی برای تعیین هوشمند بودن یک ماشین است.

1950: دانش آموختگان هاروارد، ماروین مینسکی و دین ادموندز SNARC، اولین کامپیوتر شبکه عصبی را ساختند.

1954: آزمایش ترجمه ماشینی جورج تاون به طور خودکار 60 جمله روسی را که با دقت انتخاب شده‌اند به انگلیسی ترجمه می‌کند.

1956: عبارت “هوش مصنوعی” در پروژه تحقیقاتی تابستانی دارتموث در مورد هوش مصنوعی ابداع شد. این کنفرانس به رهبری جان مک کارتی به طور گسترده‌ای به عنوان زادگاه هوش مصنوعی در نظر گرفته می‌شود.

1959: آرتور ساموئل اصطلاح “یادگیری ماشین” را در دوران کار در کمپانی IBM به کار می‌برد.

1959: جان مک کارتی و ماروین مینسکی پروژه هوش مصنوعی MIT را پیدا کردند.

دهه 1960

1963: جان مک کارتی آزمایشگاه هوش مصنوعی را در استنفورد راه اندازی کرد.

دهه 1970

1972: زبان برنامه‌نویسی منطقی PROLOG ایجاد شد.

1974-1980: ناامیدی از پیشرفت توسعه هوش مصنوعی منجر به کاهش عمده کمک هزینه تحصیلی در این رشته می‌شود. این دوره به عنوان “اولین زمستان هوش مصنوعی” شناخته می‌شود.

دهه 1980

1980: شرکت Digital Equipment Corporations develops R1 1 (که با نام XCON هم شناخته می‌شود)، اولین سیستم متخصص تجاری موفق را توسعه داد. R1 که برای پیکربندی سفارشات برای سیستم‌های رایانه‌ای جدید طراحی شده است، رونق سرمایه‌گذاری در سیستم‌های خبره را در این سال آغاز می‌کند که بیشتر از یک دهه دوام دارد و عملاً به اولین زمستان هوش مصنوعی پایان می‌دهد.

1982: وزارت تجارت و صنعت بین المللی ژاپن، پروژه سیستم‌های کامپیوتری نسل پنجم را راه اندازی کرد.

1983: در پاسخ به FGCS ژاپن، دولت ایالات متحده ابتکار محاسبات استراتژیک را برای ارائه تحقیقات مالی دارپا در محاسبات پیشرفته و هوش مصنوعی راه اندازی کرد.

دهه 1990

1991: نیروهای ایالات متحده، DART، یک ابزار برنامه ریزی و برنامه ریزی لجستیک خودکار را در طول جنگ خلیج فارس مستقر کردند.

1997: Deep Blue شطرنج‌باز کامپیوتری IBM قهرمان جهان شطرنج، گری کاسپاروف، را شکست داد.

دهه 2000

2005: ارتش ایالات متحده، سرمایه‌گذاری در ربات‌های خودمختار مانند “Big Dog” محصول Boston Dynamics و “PackBot” محصول iRobot را آغاز کرد.

2008: گوگل پیشرفت‌هایی در تشخیص گفتار حاصل و این ویژگی را در برنامه آیفون خود معرفی می‌کند.

دهه 2010

2011: شرکت اپل، سیری، دستیار مجازی مبتنی بر هوش مصنوعی را از طریق سیستم عامل iOS خود منتشر کرد.

2012: Andrew Ng، بنیانگذار پروژه Google Brain Deep Learning، یک شبکه عصبی را با استفاده از الگوریتم‌های یادگیری عمیق 10 میلیون ویدیوی یوتیوب، آموزش می‌دهد. این شبکه عصبی یاد گرفت بدون این که به او گفته شود گربه چیست، گربه را بشناسد. این شبکه عصبی آغازگر دوران پیشرفت شبکه‌های عصبی و سرمایه‌گذاری برای یادگیری عمیق است.

2014: Alexa، یک دستگاه هوشمند خانه مجازی محصول آمازون، منتشر شد.

2016: اولین “روبات شهروند”، یک ربات انسان نما به نام سوفیا، توسط Hanson Robotics ساخته شد که قادر به تشخیص چهره، ارتباط کلامی و تشخیص حالات چهره بود.

2018: گوگل موتور پردازش زبان طبیعی BERT را منتشر کرد و موانع ترجمه و درک توسط برنامه‌های ML را کاهش داد.

دهه 2020

2020: بایدو الگوریتم LinearFold AI خود را برای تیم‌های علمی و پزشکی منتشر می‌کند که برای توسعه واکسن در مراحل اولیه همه‌گیری SARS-CoV-2 کار می‌کنند. این الگوریتم قادر است توالی RNA ویروس را تنها در 27 ثانیه، 120 برابر سریع‌تر از روش‌های دیگر، پیش بینی کند.

2020: شرکت OpenAI مدل پردازش زبان طبیعی GPT-3 را منتشر کرد که قادر است متنی را با الگوبرداری از نحوه صحبت و نوشتن افراد تولید کند.

2021: OpenAI روی GPT-3 کار کرد تا مدل‌های یادگیری دال-ای (DALL-E) را توسعه ببخشد. این مدل‌ها قادر به ایجاد تصاویر از پیام های متنی هستند.

2022: ربات ChatGPT هوش مصنوعی شرکت OpenAI معرفی شد و به‌سرعت به دلیل پاسخ‌های دقیق و واضح خود به پرسش‌های کاربران نظرات را جلب کرد.

کاربردهای هوش مصنوعی

کاربردهای هوش مصنوعی بسیار زیاد است. این فناوری را می‌توان در بسیاری از بخش‌ها و صنایع مختلف به کار برد. هوش مصنوعی در مراقبت‌های بهداشتی برای اندازه‌گیری دوز داروها، درمان‌های مختلف متناسب با بیماری‌های خاص و برای کمک به روش‌های جراحی در اتاق عمل استفاده می‌شود.

از دیگر نمونه‌های ماشین‌های دارای هوش مصنوعی می‌توان به رایانه‌های شطرنج‌باز و ماشین‌های خودران اشاره کرد. هر یک از این ماشین‌ها باید عواقب هر اقدامی را که انجام می‌دهند بسنجند، زیرا هر اقدامی بر نتیجه نهایی تأثیر می‌گذارد. در شطرنج، نتیجه نهایی برنده شدن در بازی است. برای خودروهای خودران، سیستم کامپیوتری باید تمام داده‌های خارجی را در نظر بگیرد و آن را محاسبه کند و به گونه‌ای عمل کند که از برخورد با سایر ماشین‌ها و تصادف جلوگیری کند.

هوش مصنوعی همچنین در صنعت مالی، بانکداری و احراز هویت هم کاربرد دارد. از برنامه های کاربردی برای هوش مصنوعی نیز برای کمک به ساده‌سازی و تسهیل تجارت هم استفاده می‌شود. از مهم‌ترین کاربردهای هوش مصنوعی می‌توان به موارد زیر اشاره کرد:

• خرید شخصی روزانه
• دستیار هوش مصنوعی در وسایل هوشمند
• جلوگیری از کلاه‌برداری
• وظایف اداری خودکار برای کمک به مدیران و کارمندان
• تولید محتوای هوشمند
• دستیارهای صوتی
• یادگیری شخصی و آموزش
• وسایل نقلیه خودکار
• احراز هویت و تشخیص چهره

انواع هوش مصنوعی از نظر قدرت

هوش مصنوعی را می توان به 2 دسته ضعیف و قوی تقسیم کرد. هوش مصنوعی ضعیف، معرف سیستمی است که برای انجام یک کار خاص طراحی شده است. سیستم‌های ضعیف هوش مصنوعی شامل بازی‌های ویدیویی مانند مثال ربات‌های شطرنج‌باز و دستیاران صوتی مانند الکسای آمازون و سیری اپل می‌شوند. شما از دستیار صوتی سوالی می‌پرسید و او با توجه به داده‌های خود به آن پاسخ می‌دهد.

سیستم‌های هوش مصنوعی قوی، سیستم‌هایی هستند که وظایفی مشابه کارهای انسانی را انجام می‌دهند. این ربات‌ها معمولاً سیستم های پیچیده‌تری دارند و طوری برنامه‌ریزی شده‌اند تا موقعیت‌هایی را مدیریت کنند که ممکن است نیاز به حل مشکل بدون مداخله شخصی داشته باشد. این نوع سیستم‌ها را می‌توان در کاربردهایی مانند اتومبیل‌های خودران یا در اتاق‌ عمل بیمارستان‌ها یافت.

انواع هوش مصنوعی از نظر الگوریتم

هوش مصنوعی، چه ضعیف و چه قوی، را می‌توان به یکی از چهار نوع زیر طبقه‌بندی کرد:

• هوش مصنوعی واکنشی: این نوع AI از الگوریتم‌هایی برای بهینه‌سازی خروجی‌ها بر اساس مجموعه‌ای از ورودی‌ها استفاده می‌کند. به عنوان مثال، هوش مصنوعی شطرنج‌باز، سیستم‌های واکنشی هستند که بهترین استراتژی را برای برنده شدن در بازی بهینه‌سازی می‌کنند. هوش مصنوعی واکنشی، نسبتاً ثابت است و قادر به یادگیری یا سازگاری با موقعیت‌های جدید نیست. بنابراین، با ورودی‌های یکسان، همان خروجی را تولید می‌کند.
• هوش مصنوعی حافظه محدود: این نوع AI می‌تواند خود را با تجربیات گذشته تطبیق دهد یا بر اساس مشاهدات یا داده‌های جدید خود را به روز کند. معمولاً، میزان به روزرسانی این نوع هوش مصنوعی محدود است و به همین دلیل حافظه محدود نامگذاری شده است؛ مدت زمان حافظه آن‌ها نیز نسبتاً کوتاه است. برای مثال، وسایل نقلیه خودران می‌توانند مسیر جاده را پیدا کنند و با موقعیت‌های جدید سازگار شوند و حتی از تجربیات گذشته «یاد بگیرند».
• هوش مصنوعی تئوری ذهن (Theory-of-mind AI): این نوع هوش مصنوعی کاملاً سازگار است و توانایی گسترده‌ای در یادگیری و حفظ تجربیات گذشته دارد. هوش مصنوعی تئوری ذهن شامل ربات‌های چت پیشرفته‌ای است که می‌توانند آزمون تورینگ را با موفقیت پشت سر بگذارند و فرد را فریب دهند تا فکر کند هوش مصنوعی یک انسان است. اگرچه این هوش مصنوعی پیشرفته و چشمگیر است، اما مانند هوش مصنوعی خودآگاه نیستند.
• هوش مصنوعی خودآگاه: همانطور که از نامش پیداست، قابلیت هوشیار شدن و زنده بودن را دارند. این نوع هوش مصنوعی هنوز در داستان‌های علمی تخیلی وجود دارد و در دنیای واقعی ساخته نشده است و برخی از کارشناسان معتقدند که هوش مصنوعی هرگز آگاه یا “زنده” نخواهد شد.

مزایا و معایب هوش مصنوعی

در حالی که هوش مصنوعی مطمئناً یک دارایی مهم محسوب می‌شود و به سرعت در حال تکامل است، این حوزه نوظهور دارای جنبه‌های منفی هم هست و بسیاری از کارشناسان آن را خطرناک توصیف می‌کنند.

مرکز تحقیقات پیو (Pew Research Center) در سال 2021 از 10260 آمریکایی در مورد نگرش آنها نسبت به هوش مصنوعی نظرسنجی کرد. نتایج این نظرسنجی نشان داد که 45 درصد از پاسخ‌دهندگان از هوش مصنوعی هم هیجان‌زده و هم نگران هستند و 37 درصد بیشتر نگران هستند تا هیجان‌زده. علاوه بر این، بیش از 40 درصد از پاسخ‌دهندگان گفتند که اتومبیل‌های بدون راننده را برای جامعه مضر می‌دانند. با این حال، ایده استفاده از هوش مصنوعی برای شناسایی انتشار اطلاعات نادرست در رسانه‌های اجتماعی با استقبال بیشتری روبرو شد و نزدیک به 40 درصد از افراد مورد بررسی آن را ایده خوبی دانستند.

هوش مصنوعی یک موهبت برای بهبود بهره‌وری انسان است و در عین حال پتانسیل خطای انسانی را کاهش می‌دهد. علی رغم این که هزینه پیاده‌سازی هوش مصنوعی در حال حاضر زیاد است، اما این هزینه‌ها ارزش استفاده از هوش مصنوعی را دارند زیرا در مدتی کوتاه به دلیل عدم نیاز به پرداخت حقوق به کارمندها یا اوپراتورهای انسانی، علاوه بر بازگشت سرمایه، باعث سودآوری و کم شدن هزینه‌های پرداختی صنایع مختلف می‌شود. با این حال، شایان ذکر است که صنعت هوش مصنوعی می‌تواند شغل هم ایجاد کند – البته برخی از این شغل‌ها هنوز اختراع نشده‌اند.

و در پایان این که…

به گفته برخی از کارشناسان مانند Yann LeCun، محقق هوش مصنوعی و پیشگام یادگیری عمیق، آرزوهای بزرگ برای دستیابی به تقلید هوش مصنوعی از شناخت انسان (یا حتی حیوان) مستلزم اکتشافات جدید در تحقیقات پایه است، نه فقط تکامل فناوری‌های یادگیری خودکار فعلی. هوش مصنوعی می‌تواند زندگی انسان را در ابعاد مختلف تحت تاثیر قرار دهد و کمک بسزایی به پیشرفت او کند.